참고 실습 1: 공공데이터에서 CSV 가져오기

검색 결과를 보는 사람에서 목록을 만드는 사람으로

문화공간을 하나 검색하는 일과 문화공간 목록을 만드는 일은 목적이 다릅니다. 검색은 당장 방문할 한 곳의 자세한 정보를 찾기에 좋습니다. 목록은 같은 기준으로 여러 장소를 비교하거나, 다른 사람에게 전달하거나, 지도와 카드뉴스의 재료로 쓰기에 좋습니다. 이번 주에는 프로그램이 다룰 수 있는 목록을 직접 만듭니다.

예를 들어 “작업 후 들를 마포구의 도서관”이라는 생각에는 지역, 시설 종류, 방문 목적이 섞여 있습니다. 지역과 종류는 표의 값과 비교할 수 있습니다. “작업 후 들르기 좋다”는 판단에는 운영시간이나 이동 경로 같은 정보가 더 필요합니다. 프로그램으로 고르는 부분과 사람이 확인할 부분을 나누면 결과를 설명하기 쉬워집니다.

기억할 점 목록의 가치는 행을 많이 모으는 데만 있지 않습니다. 어떤 질문에 답하도록 골랐는지가 함께 드러나야 합니다.

한 행의 단위가 질문의 범위를 정한다

이 자료의 한 행은 문화시설 기록 하나입니다. 도서관 한 곳이 여러 행사를 열더라도 그 행을 행사 한 번으로 세지 않습니다. 따라서 마포구에서 55행이 남았다는 결과는 “등록된 마포구 시설 기록 55개”입니다. “이번 달 마포구 행사 55개”라는 뜻으로 읽으면 기록의 단위를 바꾼 셈입니다.

데이터를 처음 열 때 열 이름보다 먼저 “한 행에 무엇 하나가 들어 있는가?”를 물어봅니다. 시설 목록, 공연 회차 목록, 방문객 설문은 모두 주소나 이름 열이 있을 수 있지만 한 행이 뜻하는 대상은 다릅니다. 단위가 다르면 행 수를 세어 얻는 결론도 달라집니다.

기억할 점 행 수를 설명할 때 “무엇의 수인지”를 붙여 말합니다.

포털, 제공 기관, 원본 시스템을 구분하기

서울열린데이터광장은 파일을 찾아 내려받는 공개 창구입니다. 이 자료의 제공 부서는 서울특별시 문화본부 문화정책과이고, 원본 시스템은 서울문화포털입니다. 자료가 실린 웹사이트와 내용을 관리하는 주체가 항상 같은 이름으로 보이지는 않습니다. 출처를 기록할 때 포털 이름만 쓰기보다 자료명과 제공 기관을 함께 적습니다.

수집 날짜는 내가 이 버전의 파일을 확보한 날입니다. 시설의 개관일, 개별 값이 수정된 날, 웹페이지의 갱신 표시와 구분합니다. 같은 링크에서 내일 받은 파일은 오늘 파일과 행 수나 값이 달라질 수 있으므로, 실습 결과를 다시 확인하려면 링크와 함께 사용한 파일을 보관해야 합니다.

자료명: 서울시 문화공간 정보
제공 기관: 서울특별시 문화본부 문화정책과
공개 창구: 서울열린데이터광장
자료 링크: https://data.seoul.go.kr/dataList/OA-15487/S/1/datasetView.do
수집 날짜: 2026-10-21
사용 버전: 수업 보관본
이용 조건: 공공누리 제1유형 · 출처표시

기억할 점 다른 사람이 같은 입력을 찾을 수 있도록 자료명·기관·링크·수집 날짜·사용 버전을 남깁니다.

CSV는 형식이고 다운로드는 가져오는 방법이다

CSV, Excel, JSON은 자료를 표현하거나 저장하는 방식입니다. 다운로드와 API 요청은 자료를 가져오는 방법입니다. 서로 다른 분류이므로 “CSV 대신 API를 쓴다”는 말만으로 결과의 모양을 알 수 없습니다. API가 JSON을 돌려줄 수도 있고 CSV 파일을 제공하는 주소가 있을 수도 있습니다.

지금 필요한 것은 행과 열이 이미 정리된 시설 목록입니다. 공개된 CSV를 받으면 별도 인증키나 응답 구조를 다루기 전에 표 읽기와 선택에 집중할 수 있습니다. 이후 주기적으로 최신 자료를 받아야 하는 프로젝트에서는 요청 방법과 갱신 주기를 따로 설계할 수 있습니다.

기억할 점 이번에는 “공개 포털에서 CSV 파일을 내려받아 pandas로 읽는다”라고 작업을 정확히 표현합니다.

파일 이름과 내용은 서로 다른 증거다

파일 이름은 원하는 자료를 찾는 단서지만 내용의 형식을 보증하지는 않습니다. 예를 들어 CSV 다운로드 대신 웹페이지 저장을 하면 HTML 문서가 생길 수 있습니다. 확장자 글자만 .csv로 바꾼다고 표 데이터로 변환되지 않습니다. 다운로드한 대상이 맞는지 파일명과 크기, 다음 교시의 첫 출력으로 함께 확인합니다.

중복 다운로드 때문에 파일명 끝에 (1)이 붙는 것은 흔한 일입니다. 이 경우 파일 내용이 다른지와 파일 이름이 다른지를 나누어 생각합니다. Colab에서 읽으려면 실제 이름을 정확히 사용해야 하지만, 이름에 (1)이 붙었다는 이유만으로 데이터가 틀렸다고 판단하지 않습니다.

기억할 점 파일을 받았다는 확인과 내용을 제대로 읽었다는 확인을 각각 수행합니다.

준비 셀의 입력과 제공 코드 구분

파일을 읽는 수업을 시작하기 전에 실행 환경이 사용할 대상을 정합니다. 이 셀에는 학습자가 입력할 항목과 파일을 준비하는 제공 코드가 함께 있습니다. 입력값이 어느 역할인지 알면 긴 준비 코드를 외우지 않아도 필요한 부분을 고칠 수 있습니다.

기억할 점 셀 1은 데이터 내용을 바꾸는 단계가 아니라, 이후 코드가 같은 입력을 찾게 하는 단계입니다.

내 컴퓨터, 노트북 문서, 런타임의 세 위치

Colab은 브라우저에서 보지만 Python 코드는 연결된 런타임에서 실행됩니다. 내 컴퓨터 다운로드 폴더에 CSV가 있어도 런타임이 그 폴더를 자동으로 읽지는 않습니다. 파일 패널에 올리는 과정은 코드를 실행할 컴퓨터가 사용할 입력을 전달하는 일입니다.

.ipynb는 코드·설명·저장된 출력이 들어 있는 노트북 문서입니다. .csv는 코드가 읽을 데이터 파일입니다. 노트북 업로드 메뉴와 왼쪽 파일 패널 업로드는 같은 일을 두 번 하는 것이 아닙니다. 첫 번째는 실행할 문서를 여는 일이고, 두 번째는 그 문서의 코드가 사용할 입력을 준비하는 일입니다.

런타임이 초기화되면 Python 변수와 임시로 올린 파일을 다시 준비해야 할 수 있습니다. 화면에 과거 실행 결과가 남아 있어도 현재 런타임에 df가 존재한다는 뜻은 아닙니다. 이때는 출력의 모양만 믿지 말고 같은 원본을 준비한 뒤 셀 1부터 순서대로 실행합니다.

기억할 점 입력 파일과 코드가 같은 실행 환경에서 만나야 다음 단계가 진행됩니다.

파일 오류를 고칠 때는 한 곳에서 경로를 정한다

이번 노트북은 셀 1에서 파일명과 인코딩을 정하고 뒤의 셀들이 그 값을 사용하도록 구성되어 있습니다. 셀 2에서 별도의 파일명을 다시 적으면 셀 1이 준비한 파일과 실제로 읽는 파일이 달라질 수 있습니다. 오류가 생겼을 때 입력 위치를 한 곳으로 모으면 수정할 지점이 분명해집니다.

파일 패널에는 원본이 있는데 찾지 못한다면 파일명 전체를 비교합니다. 한글, 띄어쓰기, 괄호, .csv까지 일치해야 합니다. “내 컴퓨터에는 있다”와 “Colab 파일 패널에 있다”를 구분한 뒤 upload_filename을 고칩니다. 같은 원본이 준비되어 있다면 파일을 반복해서 새로 받을 필요는 없습니다.

기억할 점 파일을 바꾸기 전에 파일의 위치와 코드가 사용하는 이름을 먼저 맞춥니다.

텍스트의 구분자가 표의 칸이 되는 과정

CSV를 텍스트로 보면 줄과 쉼표가 보이고, 표로 열면 행과 열이 보입니다. 서로 다른 데이터가 아니라 같은 기록을 다른 방식으로 표현한 것입니다. 파서는 “따옴표로 감싼 값 안인가, 값과 값의 경계인가?”를 구분하여 각 값을 열에 배치합니다.

앞의 DDP 발췌에서 버스정거장에 포함된 쉼표까지 모두 열의 경계로 처리하면 헤더보다 값이 많아집니다. 그래서 문자열을 단순히 split(",")으로 자르는 코드는 일반적인 CSV 읽기를 대신할 수 없습니다. 이번 실습에서는 이 규칙을 처리하는 read_csv를 사용하고, 우리는 결과가 의도한 열로 나뉘었는지 확인합니다.

기억할 점 값 안의 쉼표는 그대로 남고, 값 사이의 쉼표는 열 경계로 해석됩니다.

헤더, 레코드, 값은 서로 다른 단위다

헤더는 각 항목의 이름을 정하는 첫 레코드입니다. 문화시설명이라는 글자는 첫 시설의 이름이 아니라 이후 값이 어떤 종류인지 알려 주는 열 이름입니다. 일반적인 이번 읽기에서는 헤더가 데이터 행 수에 포함되지 않습니다. 따라서 1,096행이라는 출력은 헤더 아래의 시설 기록 수를 뜻합니다.

화면에 보이는 줄 수와 레코드 수도 항상 같지는 않습니다. 시설소개 같은 긴 값 안에 줄바꿈이 들어갈 수 있기 때문입니다. 따옴표 안의 줄바꿈은 한 값의 일부일 수 있습니다. 텍스트 편집기에서 줄 번호만 세어 데이터 행 수라고 부르면 틀릴 수 있고, 파싱한 표의 shape로 확인해야 합니다.

기억할 점 문자를 제대로 읽는 문제와 문자를 올바른 열에 배치하는 문제를 구분합니다.

한글이 깨지는 이유를 바이트로 이해하기

인코딩은 문자를 바이트로 표현하는 규칙입니다. 같은 “가”도 CP949에서는 16진수 바이트 b0 a1, UTF-8에서는 ea b0 80으로 표현됩니다. 이 숫자를 외울 필요는 없습니다. 같은 글자라도 저장 규칙에 따라 파일 안의 바이트가 달라진다는 점을 이해하면 됩니다.

원본이 CP949인데 UTF-8 규칙으로 해석하려 하면 오류가 나거나 기대한 문자를 얻지 못할 수 있습니다. encoding 인자는 깨진 글자를 예쁘게 표시하는 옵션이 아니라 처음부터 어떤 규칙으로 읽을지 정하는 입력입니다. 원본을 다시 저장하기 전에 올바른 규칙으로 읽는 것으로 문제가 해결되는지 확인합니다.

3교시에서는 읽어 둔 문자를 UTF-8-SIG 규칙으로 새 파일에 씁니다. 입력 파일의 인코딩과 출력 파일의 인코딩이 달라도, 올바르게 읽고 저장하면 같은 시설명을 전달할 수 있습니다. 이때 변경되는 것은 새 파일의 바이트 표현이고, 원본 파일은 그대로 보관합니다.

기억할 점 오류의 종류를 보고 파일 위치, 문자 규칙, 표 구조 중 어디를 확인할지 정합니다.

열을 고를 때는 세 가지 역할을 나눈다

조건 열은 어떤 기록을 남길지 결정합니다. 자치구와 주제분류가 여기에 해당합니다. 표시 열은 선택한 기록을 사람이 알아보게 합니다. 문화시설명과 주소가 대표적입니다. 추적과 다음 작업을 위한 열도 있습니다. 번호는 원본과 대조할 때, 위도·경도는 다음 지도 학습에서 사용합니다.

조건에 사용하지 않는 열도 결과에 필요할 수 있습니다. 자치구가 마포구인지 골랐다고 자치구 열을 반드시 지워야 하는 것은 아닙니다. 결과를 받은 사람이 어떤 지역의 자료인지 확인하도록 남길 수 있습니다. 반대로 26개 항목을 모두 가져오면 긴 소개·이미지 주소 때문에 후보를 비교하기 어려울 수 있어 목적에 맞는 8개를 선택합니다.

기억할 점 남기는 열마다 “이 열이 있어야 하는 이유”를 한 문장으로 말해 봅니다.

값의 모양만 보고 의미를 정하지 않기

번호와 위도는 모두 숫자처럼 보이지만 역할이 다릅니다. 번호는 기록을 가리키는 값이고, 위도는 위치를 나타내는 값입니다. 번호를 평균 내는 것은 방문 후보를 찾는 데 의미가 없으며, 좌표는 숫자로 계산하기 전에 형식과 범위를 확인해야 합니다.

빈 값도 곧바로 0으로 읽지 않습니다. 관람료가 비었다는 것은 정보가 기록되지 않았다는 뜻일 수 있고, 무료라는 뜻은 아닙니다. 무료구분에 무료라고 적혀 있어도 시설의 모든 프로그램이 무료라는 결론까지 확장하지 않습니다. 한 칸의 의미는 열 설명과 수집 맥락을 함께 보아야 합니다.

기억할 점 없는 정보를 추측해 채우기보다 질문의 범위와 추가로 필요한 자료를 명확히 합니다.

8주차 기획에 옮겨 적용할 때의 질문

자신이 기획한 자료의 출처를 다시 열고 “어디서 받는가, 한 행은 무엇인가, 어떤 열로 선택하는가”를 순서대로 적습니다. 문화시설 대신 도서 대출 기록이나 공원 시설을 다루더라도 이 세 질문은 그대로 적용됩니다. 다만 열 이름과 기록 단위는 해당 자료에 맞게 바뀝니다.

자료가 API로만 제공된다면 인증키가 필요한지, 응답이 JSON인지, 기록 목록이 어느 항목에 들어 있는지 확인할 과제로 남깁니다. 오늘의 CSV 실습에서 아직 배우지 않은 요청 코드를 급하게 덧붙이지 않고, 이미 확보한 자료를 읽고 고르는 과정을 먼저 완성합니다.

기억할 점 다른 자료에 적용할 때 먼저 의미를 대응시키고, 그다음 코드의 열 이름과 조건을 바꿉니다.